$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

축구 동영상 분석을 위한 배경 분리 알고리즘들의 정량적 비교 평가에 관한 연구
Objective Evaluation of Background Subtraction Algorithms for Soccer Video Analysis: An Experimental Comparative Study 원문보기

한국통신학회논문지 = The Journal of Korean Institute of Communications and Information Sciences, v.42 no.1, 2017년, pp.42 - 45  

정찬호 (Department of Electrical Engineering, Hanbat National University)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 "축구 동영상" 분석을 위한 "최적의" 배경 분리 알고리즘을 결정하기 위하여 정량적인 비교 평가 연구를 수행하였다. 이를 위해 본 논문에서는 다섯 가지 서로 다른 배경 분리 알고리즘을 동일한 실험 환경에서 비교 평가하였다. 정량적인 비교 평가를 위해 Precision, Recall 및 F-measure를 이용하였다. 본 논문에서 제시된 정량적 비교 평가 결과는 지능형 축구 동영상 분석 시스템 개발을 위해 배경 분리 기술을 이용하거나 축구 동영상에 특화된 배경 분리 기술을 연구하고자 하는 연구자 및 개발자들에게 실질적인 도움이 될 것으로 예상된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this letter, we present an experimental comparative study of background subtraction algorithms for soccer video analysis. We investigated five different background subtraction algorithms under the same experimental setup. For the quantitative comparison, we employed the precision, recall, and F-m...

주제어

#Soccer Video Analysis   #Background Subtraction Algorithms   #Objective Evaluation  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 “축구 동영상” 분석을 위한 “최적의” 배경 분리 알고리즘을 결정하기 위하여 지능형 동영상 분석 분야에서 널리 이용되는 총 5가지 배경 분리 알고리즘들을 정량적으로 비교 평가하는 연구를 수행하였다.
  • 본 논문에서는 Ⅰ장에서 언급한 지능형 동영상 분석 분야에서 널리 이용되는 총 5가지 배경 분리 알고리즘들을 정량적으로 비교 평가한다. Li 등[3]은 베이시안(Bayesian) 결정 이론에 기반한 배경/전경 분류 알고리즘을 제안하였다.
  • 본 논문에서는 축구 동영상 분석에 있어 필수적이고 핵심적인 기술 중 하나인 배경 분리 기술에 집중하며, 앞서 언급한 기존 연구들의 미흡한 점을 보완하기 위하여 “축구 동영상” 분석을 위한 “최적의” 배경 분리 알고리즘을 결정하기 위하여 정량적인 비교 평가 연구를 수행하였다. 본 논문에서는 이를 위해 지능형 동영상 분석 분야에서 널리 이용되는 총 5가지 서로 다른 배경 분리 알고리즘을 동일한 실험 환경에서 비교 평가하였다: 1) FGD, 2) GMG [4], 3) KNN [5], 4) MOG [6] 및 5) MOG2 [7]. 그림 1은 축구 동영상의 배경 분리[4] 예를 보여준다.
  • 본 논문에서는 축구 동영상 분석에 있어 필수적이고 핵심적인 기술 중 하나인 배경 분리 기술에 집중하며, 앞서 언급한 기존 연구들의 미흡한 점을 보완하기 위하여 “축구 동영상” 분석을 위한 “최적의” 배경 분리 알고리즘을 결정하기 위하여 정량적인 비교 평가 연구를 수행하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
“KNN[5] ” 배경 분리 알고리즘을 이용했을 때 어떤 결과를 얻을 수 있는가? 그림 3은 Precision, Recall, F-measure를 이용한 배경 분리 알고리즘의 정량적인 비교 결과를 보여준다. 그림 3에서 보는 바와 같이 “KNN[5] ” 배경 분리 알고리즘을 이용했을 때 F-measure가 가장 큰 것을 볼 수 있다: 즉, 축구 동영상의 배경 분리 성능이 가장 높은 것을 볼 수 있다.
F-measure란 무엇인가? F-measure는 배경 분리 성능을 평가하는데 있어 종합적인(overall) 또는 총괄적인 지표로써 배경 분리 알고리즘의 성능을 평가하기 위해 널리 이용되고 있으며, 최종적으로 F-measure가 크면 클수록 배경 분리 성능이 높다고 볼 수 있다. 그림 2는 서로 다른 배경 분리 알고리즘을 이용한 축구 동영상의 배경 분리 결과를 보여준다.
KadewTraKuPong와 Bowden이 제안한 배경 분리 알고리즘은 무엇인가? [5]에서는 배경 분리를 위한 가우시안 혼합 모델(Gaussian mixture model)의 파라미터를 지속적으로 업데이트하기 위한 재귀 방정식을 제안하였다. KadewTraKuPong와 Bowden[6]은 적응적 가우시안 혼합 모델 학습을 위한 새로운 알고리즘을 제안하였다. Zivkovic[7]은 배경 분리를 위한 가우시안 혼합 모델의 파라미터 및 혼합 모델의 개수를 픽셀 단위로 업데이트 하는 방법을 제안하였다.
질의응답 정보가 도움이 되었나요?

참고문헌 (8)

  1. D. Quilon, et al., "Unsupervised high-quality soccer field segmentation," in Proc. IEEE Int. Symp. Consumer Electron., Jun. 2015. 

  2. S. Beysal and P. Duygulu, "Sentioscope: a soccer player tracking system using model field particles," IEEE Trans. Cir. and Syst. for Video Technol., vol. 26, no. 7, pp. 1350-1362, Jul. 2016. 

    상세보기 crossref

  3. L. Li, W. Huang, I. Gu, and Q. Tian, "Foreground object detection from videos containing complex background," in Proc. ACM Multimedia, pp. 2-10, 2003. 

  4. A. B. Godbehere, A. Matsukawa, and K. Goldberg, "Visual tracking of human visitors under variable-lighting conditions for a responsive audio art installation," in Proc. Am. Control Conf., Jun. 2012. 

  5. Z. Zivkovic and F. van der Heijden, "Efficient adaptive density estimapion per image pixel for the task of background subtraction," Pattern Recognition Lett., vol. 27, no. 7, pp. 773-780, 2006. 

    상세보기 crossref

  6. P. Kadewtrakupong and R. Bowden, "An improved adaptive background mixture model for real-time tracking with shadow detection," in Proc. Eur. Wksp. Advanced Video-Based Surveillance Syst., 2001. 

  7. Z. Zivkovic, "Improved adaptive gausian mixture model for background subtraction," in Proc. IEEE Int. Conf. Pattern Recognition, Aug. 2004. 

  8. T. D'Orazio, et al., "A semi-automatic system for ground truth generation of soccer video sequences," in Proc. IEEE Int. Conf. AVSS, pp. 559-564, Sept. 2009. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로